20년 된 수묵화에서 AI 단편 영화까지: Z-Image 및 LTX-V 2.3 커스텀 LoRA 학습 파이프라인

대체로 긍정적이며, 특히 수묵화라는 독특한 스타일을 AI 영상으로 일관성 있게 구현한 파이프라인에 대해 높은 관심을 보였다.

• LoRA 학습 시 스타일이 너무 강하게 배어 나온다면 더 이른 시점의 체크포인트를 사용하라.
• 수묵화 번짐과 같은 특수 효과는 I2V 단계에서 별도의 생성 패스를 할당하여 구현하라.
• 데이터셋 캡셔닝에 Qwen3-VL과 같은 최신 멀티모달 모델을 활용하여 정확도를 높여라.

• 수묵화와 같은 독특한 2D 스타일을 영상으로 구현하려면 이미지 모델과 영상 모델 모두에 동일한 데이터셋으로 학습된 LoRA를 적용하는 것이 효과적이다.
• 학습 지표인 Loss 수치에만 의존하지 말고 각 체크포인트의 샘플 이미지를 직접 확인하여 과적합이 발생하기 직전의 지점을 선택해야 한다.
• 복잡한 텍스처의 전환 효과는 단순 프롬프트만으로 어렵기 때문에 샷당 다중 생성 패스와 반복적인 시드 튜닝이 필요하다.
• Qwen3-VL을 활용한 자동 캡셔닝과 SeedVR2.5 업스케일링을 조합하여 저해상도 생성물의 한계를 극복할 수 있다.